分类: 项目管理
2009-11-18 09:21:09
Dijkstra算法又称为单源最短路径,所谓单源是在一个有向图中,从一个顶点出发,求该顶点至所有可到达顶点的最短路径问题。
设G=(V,E)是一个有向图,V表示顶点,E表示边。它的每一条边(i,j)属于E,都有一个非负权W(I,j),在G中指定一个结点v0,要求把从v0到G的每一个接vj(vj属于V)的最短有向路径找出来(或者指出不存在)。
Dijstra算法是运用贪心的策略,从源点开始,不断地通过相联通的点找出到其他点的最短距离
基本思想是:
设置一个顶点的集合s,并不断地扩充这个集合,一个顶点属于集合s当且仅当从源点到该点的路径已求出。开始时s中仅有源点,并且调整非s中点的最短路径长度,找当前最短路径点,将其加入到集合s,直到终点在s中。
基本步骤:
1、把所有结点分成两组:
第一组:包括已经确定最短路径的结点;
第二组:包括尚未确定最短路径的结点。
2、开始时,第一组只包含起点,第二组包含剩余的点;
3、用贪心的策略,按最短路径长度递增的顺序把第二组的结点加到第一组去,直到v0可达的所有结点都包含于第一组中。在这个过程中,不断更新最短路径,总保持从v0到第一组各结点的最短路径长度dist都不大于从v0到第二组任何结点的路径长度。
4、每个结点对应一个距离值,第一组结点对应的距离就是v0到此结点的最短路径长度,第二组结点对应的距离值就是v0由第一组结点到此结点的最短路径长度。
5、直到所有的顶点都扫描完毕(v0可达的所有结点都包含于第一组中),找到v0到其它各点的所有最短路径。
动画演示:
如图:求0点到其他点的最短路径。


(1)开始时,s1={v0},s2={v1,v2,v3,v4},v0到各点的最短路径是{0,10,&,30,100};
(2)在还未进入s1的顶点之中,最短路径为v1,因此s1={v0,v1},由于v1到v2有路径,因此v0到各点的最短路径更新为{0,10,60,30,100};
(3)在还未进入s1的顶点之中,最短路径为v3,因此s1={v0,v1,v3},由于v3到v2、v4有路径,因此v0到各点的最短路径更新为{0,10,50,30,90};
(4)在还未进入s1的顶点之中,最短路径为v2,因此s1={v0,v1,v3,v2},由于v2到v4有路径,因此v0到各点的最短路径更新为{0,10,50,30,60};
数据结构:
(1)用一个二维数组a[i..j,i..j]来存储各点之间的距离,10000表示无通路:
(2)用数组dist[i..j]表示最短路径;
(3)用集合s表示找到最短路径的结点。
//单源最短路(dijkstra算法)
program dijkstra;
const max=10000; //表示无通路
type jihe=set of 0..100; //顶点数
var
a:array[0..100,0..100] of integer;//各点之间的距离
dist:array[0..100] of integer; //最短路径
i,j,k,m,n:integer;
s:jihe;
procedure init;
begin
s:=[0]; //开始集合只包含源点
readln(n);
assign(input,'dijs.in');reset(input);
for i:=0 to n do //读入各点之间的距离
for j:=0 to n do
read(a[i,j]);
for i:=0 to n do //源点到各点之间的直接距离
dist[i]:=a[0,i];
end;
procedure dijsk;
begin
for i:=0 to n do
begin
m:=0;
dist[m]:=max; //初始化源点到各点的最小距离为无穷
for j:=1 to n do
if(not(j in s))and(dist[m]>dist[j]) then //找出当前的最小距离
m:=j; //记录找到的顶点
s:=s+[m]; //把顶点加入集合
for k:=0 to n do //更新经过新节点到其它点之间的最小距离
if(not(k in s))and(dist[k]>dist[m]+a[m,k]) then
dist[k]:=dist[m]+a[m,k];
end;
end;
begin
init;
dijsk;
for i:=1 to n do
writeln(i,':',dist[i]);
close(input);
end.